公开(公告)号：CN117334340A

公开(公告)日：2024-01-02

申请号：CN202311155801.0

申请日：2023-09-08

Applicant: 浙江大学

Inventor： 赵莎 ,  王跻权 ,  李石坚 ,  江海腾 ,  周杨煊 ,  余正和 ,  李涛 ,  潘纲

IPC: G16H50/50 ,  G16H50/70 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/082 ,  G06N3/098 ,  G06F18/2415 ,  G06F18/25

Abstract: 本发明公开了一种基于睡眠阶段特征的发作性睡病预测模型构建方法，通过分析从发作性睡病患者和健康对照组身上采集真实环境下的PSG数据得知，患者与健康对照组的睡眠阶段存在明显差异。基于此，本发明采用多任务深度学习思想，将睡眠分期任务作为发作性睡病预测任务的辅助任务，设计了一种多任务端到端的神经网络模型，该模型从PSG睡眠序列数据中学习到睡眠阶段特征和发作性睡病特征，并借助任务特征融合元件将两种特征融合并用于发作性睡病预测，并采用多任务联合训练的方式训练该网络模型，提升模型对发作性睡病的预测性能。

公开(公告)号：CN117481600A

公开(公告)日：2024-02-02

申请号：CN202311427044.8

申请日：2023-10-31

Applicant: 浙江大学

Inventor： 赵莎 ,  王跻权 ,  李石坚 ,  江海腾 ,  周杨煊 ,  余正和 ,  李涛 ,  潘纲

IPC: A61B5/00 ,  G06F18/241 ,  G06F18/10 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08 ,  A61B5/346 ,  A61B5/372 ,  A61B5/397 ,  A61B5/398

Abstract: 本发明公开了一种基于混合神经网络的自动睡眠分期方法，其利用卷积变压器epoch编码器学习epoch内的局部特征和全局特征，并利用跨模态上下文编码器对跨模态上下文关系进行建模，再利用基于变压器的序列编码器来学习序列特征，最后利用epoch级分类器来预测每个epoch所处的睡眠阶段，从而提高自动睡眠分期模型的预测性能。

公开(公告)号：CN119760579A

公开(公告)日：2025-04-04

申请号：CN202510265484.0

申请日：2025-03-07

Applicant: 浙江大学

Inventor： 赵莎 ,  周杨煊 ,  李石坚 ,  王跻权 ,  潘纲

IPC: G06F18/2431 ,  A61B5/374 ,  A61B5/00 ,  G06F18/241 ,  G06N3/088 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开了一种基于无监督个体持续学习的EEG解码方法，通过设计无监督个体持续学习框架并训练增量模型，在提高增量个体性能的基础上同时提高模型在未知受试者上的性能，进而解决EEG模型在未知受试者上的泛化问题。本发明利用自监督对比学习方法生成高质量的增量个体伪标签，并利用基于动态置信的缓存区选择回放混合真伪标签对样本用于微调，再利用跨轮次对齐算法减小模型分布随着持续学习再特征空间的潜在漂移，进而使增量模型在增量个体的性能提升的同时，提高模型面对未知受试者的泛化性。